Le pr\u00e9sent article propose un examen exhaustif et didactique des cl\u00f4tures de Tukey, combinant d\u00e9veloppements th\u00e9oriques, fondements alg\u00e9briques, applications pratiques pas \u00e0 pas et protocoles algorithmiques en environnements de programmation scientifique. Que vous soyez chercheur en psychologie cognitive confront\u00e9 \u00e0 l’analyse de temps de r\u00e9action asym\u00e9triques, data scientist soucieux d’assainir des pipelines d’apprentissage automatique ou \u00e9tudiant pr\u00e9parant un m\u00e9moire de recherche quantitative, la ma\u00eetrise des limites inf\u00e9rieure et sup\u00e9rieure constitue un jalon m\u00e9thodologique incontournable pour conf\u00e9rer \u00e0 vos analyses empiriques une robustesse math\u00e9matique irr\u00e9prochable.<\/p>\n
1. Introduction conceptuelle aux limites sup\u00e9rieure et inf\u00e9rieure en statistique<\/h2>\n1.1 D\u00e9finition th\u00e9orique des cl\u00f4tures statistiques selon John Tukey<\/h3>\n
L’\u00e9mergence formelle des cl\u00f4tures statistiques s’inscrit dans la r\u00e9volution conceptuelle op\u00e9r\u00e9e par John Wilder Tukey<\/a> \u00e0 la fin des ann\u00e9es 1970. Dans son ouvrage s\u00e9minal publi\u00e9 en 1977, intitul\u00e9 Exploratory Data Analysis<\/em> (souvent abr\u00e9g\u00e9 EDA), le math\u00e9maticien am\u00e9ricain remet en question la pr\u00e9dominance quasi monopolistique des approches inf\u00e9rentielles confirmatrices qui dominaient alors le paysage de la statistique appliqu\u00e9e. Tukey postule qu’avant toute formulation d’hypoth\u00e8ses rigides ou toute application de mod\u00e8les probabilistes param\u00e9triques contraignants, le chercheur a le devoir d’explorer visuellement et arithm\u00e9tiquement la morphologie brute de ses donn\u00e9es. C’est dans ce cadre novateur qu’il th\u00e9orise les notions de \u00ab cl\u00f4tures \u00bb (fences<\/em>), qui sont des seuils math\u00e9matiques de coupure destin\u00e9s \u00e0 s\u00e9parer la structure ordonn\u00e9e des donn\u00e9es de leur bruit p\u00e9riph\u00e9rique.<\/p>\n D’un point de vue formel, une cl\u00f4ture statistique n’est pas une fronti\u00e8re absolue impos\u00e9e de mani\u00e8re dogmatique ou arbitraire, mais un filtre analytique d\u00e9riv\u00e9 directement des propri\u00e9t\u00e9s ordinales de la s\u00e9rie observ\u00e9e. Elle \u00e9tablit une ligne de d\u00e9marcation num\u00e9rique permettant de classer les observations en deux cat\u00e9gories distinctes : d’un c\u00f4t\u00e9, les valeurs r\u00e9guli\u00e8res, repr\u00e9sentatives de la dynamique sous-jacente du processus \u00e9tudi\u00e9 ; de l’autre, les observations p\u00e9riph\u00e9riques, dont l’\u00e9cart par rapport au noyau central de la distribution sugg\u00e8re l’intervention d’une source de variabilit\u00e9 distincte. L’apport fondamental de Tukey r\u00e9side dans l’utilisation exclusive d’indicateurs de position insensibles aux valeurs aberrantes pour d\u00e9finir ces cl\u00f4tures, \u00e9cartant d\u00e9lib\u00e9r\u00e9ment la moyenne arithm\u00e9tique et la variance classique au profit des quantiles.<\/p>\n Sur le plan \u00e9pist\u00e9mologique, la mise en place de ces barri\u00e8res soul\u00e8ve une question fondamentale en philosophie des sciences : comment distinguer la variabilit\u00e9 naturelle inh\u00e9rente \u00e0 un ph\u00e9nom\u00e8ne de l’apparition d’une observation pathologique ou non conforme ? Dans toute distribution biologique, psychologique ou sociale, une certaine dispersion est consubstantielle \u00e0 la r\u00e9alit\u00e9 observ\u00e9e. Tukey ne cherche pas \u00e0 nier cette variabilit\u00e9 naturelle, mais \u00e0 \u00e9tablir un crit\u00e8re probabiliste et robuste permettant d’isoler les points dont la probabilit\u00e9 d’occurrence conjointe avec le reste de l’\u00e9chantillon devient marginale, sans pour autant pr\u00e9juger de la cause sous-jacente de cette singularit\u00e9.<\/p>\n La caract\u00e9risation objective d’une valeur aberrante \u2014 ou observation atypique (outlier<\/em>) \u2014 repr\u00e9sente l’une des t\u00e2ches les plus d\u00e9licates de l’analyse exploratoire. Traditionnellement, une valeur aberrante est d\u00e9finie comme une observation qui s’\u00e9carte tellement des autres donn\u00e9es qu’elle \u00e9veille le soup\u00e7on d’avoir \u00e9t\u00e9 g\u00e9n\u00e9r\u00e9e par un m\u00e9canisme sous-jacent fondamentalement diff\u00e9rent. L’\u00e9cueil majeur des m\u00e9thodes traditionnelles r\u00e9side dans leur d\u00e9pendance circulaire \u00e0 l’\u00e9gard de la distribution normale : pour \u00e9valuer si un point s’\u00e9carte excessivement du centre, ces m\u00e9thodes utilisent la moyenne et l’\u00e9cart-type. Or, un seul point extr\u00eame poss\u00e8de le pouvoir de distordre la moyenne vers lui et d’accro\u00eetre artificiellement l’\u00e9cart-type, biaisant ainsi le diagnostic statistique de fa\u00e7on substantielle.<\/p>\n Les limites sup\u00e9rieure et inf\u00e9rieure de Tukey r\u00e9solvent \u00e9l\u00e9gamment ce probl\u00e8me de masquage statistique. En s’appuyant sur l’intervalle interquartile, les cl\u00f4tures d\u00e9limitent un espace d’acceptabilit\u00e9 statistique dont les bornes demeurent remarquablement stables, m\u00eame en pr\u00e9sence d’une contamination s\u00e9v\u00e8re des extr\u00e9mit\u00e9s de la distribution. En pratique, tout point situ\u00e9 en de\u00e7\u00e0 de la limite inf\u00e9rieure ou au-del\u00e0 de la limite sup\u00e9rieure se trouve automatiquement \u00e9tiquet\u00e9 comme un candidat s\u00e9rieux au statut de valeur aberrante. Ce processus op\u00e8re de mani\u00e8re objective, automatisable et d\u00e9terministe, garantissant une impartialit\u00e9 totale lors de la phase pr\u00e9liminaire d’inspection des distributions num\u00e9riques.<\/p>\n Dans le diagnostic de la qualit\u00e9 des donn\u00e9es pr\u00e9alable \u00e0 la mod\u00e9lisation statistique avanc\u00e9e, l’identification pr\u00e9coce de ces anomalies est vitale. Qu’il s’agisse de d\u00e9ployer des mod\u00e8les de r\u00e9gression lin\u00e9aire, des analyses de variance (ANOVA) ou des \u00e9quations structurelles, l’influence d\u00e9mesur\u00e9e exerc\u00e9e par des observations situ\u00e9es hors cl\u00f4tures peut entra\u00eener une d\u00e9gradation drastique de la pr\u00e9cision des coefficients estim\u00e9s, gonfler la variance r\u00e9siduelle et accro\u00eetre le risque d’erreurs de type I (faux positifs) ou de type II (faux n\u00e9gatifs). L’\u00e9tablissement rigoureux des limites de Tukey constitue ainsi la premi\u00e8re ligne de d\u00e9fense de l’int\u00e9grit\u00e9 m\u00e9trique du chercheur.<\/p>\n En sciences du comportement et en recherche psychologique quantitative, les contraintes exp\u00e9rimentales g\u00e9n\u00e8rent fr\u00e9quemment des distributions asym\u00e9triques et pollu\u00e9es par des artefacts comportementaux. L’un des exemples les plus embl\u00e9matiques concerne le recueil des temps de r\u00e9action (TR) dans les paradigmes d’attention visuelle ou de prise de d\u00e9cision cognitive. Lors d’une t\u00e2che d’inhibition de type Stroop ou Go\/No-Go, un participant peut r\u00e9pondre de mani\u00e8re pr\u00e9matur\u00e9e en raison d’une anticipation motrice involontaire (g\u00e9n\u00e9rant une latence anormalement basse, comme 90 millisecondes) ou, inversement, subir un d\u00e9crochage attentionnel transitoire ou une distraction externe (produisant un temps de r\u00e9action excessif de plusieurs milliers de millisecondes). L’usage des limites inf\u00e9rieure et sup\u00e9rieure permet de d\u00e9limiter le registre temporel valide pour chaque individu ou pour la cohorte sans biaiser les param\u00e8tres du groupe.<\/p>\n De m\u00eame, dans le cadre de la passation de batteries de tests psychom\u00e9triques ou de questionnaires d’\u00e9valuation de la personnalit\u00e9 reposant sur des \u00e9chelles de Likert, l’analyse des cl\u00f4tures statistiques est essentielle pour rep\u00e9rer les biais de r\u00e9ponse syst\u00e9matiques. Les participants inattentifs, les r\u00e9pondeurs al\u00e9atoires ou ceux adoptant des strat\u00e9gies de sabotage exp\u00e9rimental g\u00e9n\u00e8rent souvent des scores composites cumul\u00e9s qui se d\u00e9tachent nettement des fronti\u00e8res de dispersion normale de l’\u00e9chantillon. L’application des limites de Tukey permet d’isoler ces profils sans devoir recourir \u00e0 des crit\u00e8res d’exclusion subjectifs ou arbitraires d\u00e9finis a posteriori<\/em> par le chercheur au gr\u00e9 de ses r\u00e9sultats.<\/p>\n Enfin, la rigueur m\u00e9thodologique impos\u00e9e par la crise de la r\u00e9plicabilit\u00e9 dans les sciences contemporaines exige une transparence absolue quant aux crit\u00e8res d’\u00e9lagage des donn\u00e9es. La sp\u00e9cification pr\u00e9alable et standardis\u00e9e des limites sup\u00e9rieure et inf\u00e9rieure de Tukey garantit un protocole de nettoyage ind\u00e9pendant des attentes de l’exp\u00e9rimentateur. En ancrant le filtrage des observations dans un formalisme math\u00e9matique universellement reconnu par les revues \u00e0 comit\u00e9 de lecture, le chercheur pr\u00e9munit son \u00e9tude contre les soup\u00e7ons de manipulation opportuniste des donn\u00e9es (commun\u00e9ment qualifi\u00e9e de p-hacking<\/em>) et contribue \u00e0 l’\u00e9dification d’un corpus scientifique fiable et reproductible.<\/p>\n Pour appr\u00e9hender le fonctionnement g\u00e9om\u00e9trique et arithm\u00e9tique des limites statistiques, il est imp\u00e9ratif d’examiner en d\u00e9tail l’infrastructure sur laquelle elles reposent : les quantiles de rang, et plus pr\u00e9cis\u00e9ment les quartiles<\/strong>. Contrairement aux param\u00e8tres de position classiques fond\u00e9s sur la sommation des scores, les quartiles sont des mesures de position non-param\u00e9triques bas\u00e9es sur l’ordonnancement d’un \u00e9chantillon de donn\u00e9es univari\u00e9es de taille n<\/em> ordonn\u00e9es par ordre croissant : x<\/em>(1)<\/sub> \u2264 x<\/em>(2)<\/sub> \u2264 … \u2264 x<\/em>(n<\/em>)<\/sub>. Ces mesures divisent la s\u00e9rie ordonn\u00e9e en quatre segments contenant chacun exactement vingt-cinq pour cent de l’ensemble des observations disponibles.<\/p>\n Le premier quartile, universellement d\u00e9sign\u00e9 par le symbole Q1<\/strong> (ou 25e percentile), correspond \u00e0 la valeur au-dessous de laquelle se situent 25 % des observations les plus basses de l’\u00e9chantillon, tandis que 75 % des valeurs lui sont sup\u00e9rieures. D’un point de vue conceptuel, Q1 mat\u00e9rialise la coupure m\u00e9diane de la moiti\u00e9 inf\u00e9rieure de la s\u00e9rie statistique. Sa d\u00e9termination num\u00e9rique exacte d\u00e9pend de l’algorithme d’interpolation utilis\u00e9, bien qu’il s’agisse fondamentalement de l’observation occupant le rang (n<\/em> + 1) \/ 4 dans une distribution continue ordonn\u00e9e.<\/p>\n Le deuxi\u00e8me quartile, not\u00e9 Q2<\/strong>, n’est autre que la c\u00e9l\u00e8bre m\u00e9diane<\/strong> de l’\u00e9chantillon, repr\u00e9sentant le 50e percentile. La m\u00e9diane scinde la distribution en deux moiti\u00e9s \u00e9quiprobables : 50 % des observations lui sont inf\u00e9rieures ou \u00e9gales, et 50 % lui sont sup\u00e9rieures ou \u00e9gales. Enfin, le troisi\u00e8me quartile, d\u00e9sign\u00e9 par Q3<\/strong> (ou 75e percentile), marque le seuil sous lequel sont comprises 75 % des observations les plus petites, isolant ainsi le quart sup\u00e9rieur constitu\u00e9 des scores les plus \u00e9lev\u00e9s de la distribution. Ces trois points pivots constituent le socle de ce que Tukey a formalis\u00e9 sous le terme de \u00ab r\u00e9sum\u00e9 \u00e0 cinq nombres \u00bb (five-number summary<\/em>), regroupant la valeur minimale, le premier quartile, la m\u00e9diane, le troisi\u00e8me quartile et la valeur maximale observ\u00e9e.<\/p>\n \u00c0 partir des jalons pos\u00e9s par le premier et le troisi\u00e8me quartile, la th\u00e9orie statistique d\u00e9finit une mesure fondamentale de la dispersion robuste : l’\u00e9cart interquartile<\/strong>, traditionnellement abr\u00e9g\u00e9 sous l’acronyme IQR<\/strong> (pour Interquartile Range<\/em>). L’expression arithm\u00e9tique de l’IQR est d’une grande simplicit\u00e9 tout en \u00e9tant dot\u00e9e d’une port\u00e9e th\u00e9orique consid\u00e9rable :<\/p>\n IQR = Q3 – Q1<\/strong><\/p>\n Cette diff\u00e9rence alg\u00e9brique pure repr\u00e9sente l’\u00e9tendue spatiale couverte par le segment central de cinquante pour cent de la s\u00e9rie statistique analys\u00e9e. G\u00e9om\u00e9triquement, l’IQR mesure l’envergure du c\u0153ur de la distribution, en ignorant d\u00e9lib\u00e9r\u00e9ment les vingt-cinq pour cent des valeurs les plus basses et les vingt-cinq pour cent des valeurs les plus hautes. Cette caract\u00e9ristique conf\u00e8re imm\u00e9diatement \u00e0 l’\u00e9cart interquartile une propri\u00e9t\u00e9 math\u00e9matique essentielle : la r\u00e9sistance statistique<\/strong>.<\/p>\n Contrairement \u00e0 l’\u00e9tendue totale (d\u00e9finie par la diff\u00e9rence entre la valeur maximale et la valeur minimale), qui s’av\u00e8re infiniment sensible \u00e0 la moindre alt\u00e9ration d’une seule mesure p\u00e9riph\u00e9rique, l’IQR pr\u00e9sente un point de rupture (breakdown point<\/em>) remarquable de 25 %. Cela signifie qu’il est possible de modifier, de corrompre ou de propulser vers l’infini jusqu’\u00e0 un quart entier des donn\u00e9es de chaque c\u00f4t\u00e9 de la distribution ordonn\u00e9e sans que la valeur num\u00e9rique de l’IQR ne subisse la moindre alt\u00e9ration. Cette robustesse intrins\u00e8que fait de l’\u00e9cart interquartile l’\u00e9talon de dispersion le plus fiable pour calibrer des seuils d’anomalie au sein d’environnements de donn\u00e9es incertains ou asym\u00e9triques.<\/p>\n Pour saisir la sup\u00e9riorit\u00e9 op\u00e9rationnelle des cl\u00f4tures bas\u00e9es sur l’IQR, il convient de confronter directement son comportement \u00e0 celui des param\u00e8tres gaussiens traditionnels : la moyenne arithm\u00e9tique<\/a> (\u03bc) et l’\u00e9cart-type<\/strong> (\u03c3). Consid\u00e9rons une distribution de scores psychom\u00e9triques contamin\u00e9e par une erreur de saisie ou un comportement aberrant, o\u00f9 une mesure s’\u00e9l\u00e8ve \u00e0 dix fois sa valeur attendue. Dans une telle situation, la moyenne se d\u00e9place m\u00e9caniquement vers cette valeur extr\u00eame, tandis que l’\u00e9cart-type explose litt\u00e9ralement, puisque sa formulation repose sur la somme des carr\u00e9s des \u00e9carts \u00e0 la moyenne. L’estimateur cens\u00e9 mesurer l’amplitude de l’erreur est lui-m\u00eame submerg\u00e9 par celle-ci.<\/p>\n Le tableau ci-dessous illustre la divergence fondamentale de r\u00e9silience entre ces deux syst\u00e8mes d’estimation lorsqu’ils sont appliqu\u00e9s \u00e0 une distribution th\u00e9orique soumise \u00e0 des perturbations asym\u00e9triques :<\/p>\n Il existe n\u00e9anmoins une passerelle asymptotique \u00e9l\u00e9gante reliant ces deux paradigmes dans le cas tr\u00e8s particulier o\u00f9 les donn\u00e9es suivent rigoureusement une distribution normale<\/a> th\u00e9orique. Dans ce cadre gaussien id\u00e9al, l’intervalle interquartile correspond tr\u00e8s exactement \u00e0 la distance s\u00e9parant les percentiles 25 (-0,6745 \u03c3) et 75 (+0,6745 \u03c3). Il en d\u00e9coule l’\u00e9quivalence asymptotique classique :<\/p>\n IQR \u2248 1,34898 \u00d7 \u03c3<\/strong> (ou r\u00e9ciproquement : \u03c3 \u2248 IQR \/ 1,349<\/strong>)<\/p>\n D\u00e8s lors que la distribution empirique s’\u00e9carte de la normalit\u00e9 \u2014 ce qui constitue la r\u00e8gle quasi universelle en sciences du comportement, en sociologie quantitative ou en biom\u00e9trie clinique \u2014, cette relation d’\u00e9quivalence s’effondre, d\u00e9montrant sans \u00e9quivoque la sup\u00e9riorit\u00e9 des indicateurs de rang pour calibrer des barri\u00e8res d’exclusion d’observations suspectes.<\/p>\n La formulation alg\u00e9brique d\u00e9velopp\u00e9e par John Tukey pour fixer la d\u00e9marcation basse des observations recevables est d\u00e9sign\u00e9e sous le terme technique de limite inf\u00e9rieure<\/strong> (lower fence<\/em> ou inner lower fence<\/em>). Son objectif est de projeter, en direction des valeurs d\u00e9croissantes, un faisceau de tol\u00e9rance proportionnel \u00e0 la compacit\u00e9 du c\u0153ur de la distribution. L’\u00e9quation formelle s’\u00e9nonce comme suit :<\/p>\n Limite inf\u00e9rieure = Q1 – (1,5 \u00d7 IQR)<\/strong><\/p>\n Dans cette structure math\u00e9matique, le premier quartile (Q1) sert de point d’ancrage basal. L’algorithme soustrait de cette charni\u00e8re inf\u00e9rieure une distance norm\u00e9e \u00e9gale \u00e0 une fois et demie l’\u00e9cart interquartile. Tout score empirique xi<\/sub><\/em> satisfaisant \u00e0 l’in\u00e9galit\u00e9 stricte xi<\/sub><\/em> < Limite inf\u00e9rieure est formellement cat\u00e9goris\u00e9 comme une valeur aberrante inf\u00e9rieure.<\/p>\n Dans la pratique analytique appliqu\u00e9e, l’interpr\u00e9tation de la limite inf\u00e9rieure impose de prendre en consid\u00e9ration ce que les m\u00e9thodologistes appellent les valeurs planchers empiriques<\/strong> ou les contraintes d’admissibilit\u00e9 physique. Dans de nombreuses disciplines scientifiques, certaines variables sont born\u00e9es par nature \u00e0 z\u00e9ro ou \u00e0 des entiers positifs : c’est le cas des temps de r\u00e9action, du nombre d’enfants par foyer, des concentrations sanguines d’un biomarqueur ou encore des scores obtenus sur des \u00e9chelles d’\u00e9valuation standardis\u00e9es. Il arrive fr\u00e9quemment que le calcul m\u00e9canique donne une limite inf\u00e9rieure n\u00e9gative (par exemple, Limite inf\u00e9rieure = -15,4). Dans une telle conjoncture, cette valeur n\u00e9gative n’a pas de signification ontologique ; elle indique simplement qu’au regard de la dispersion du mod\u00e8le, aucune observation positive ne saurait \u00eatre consid\u00e9r\u00e9e comme anormalement basse. La barri\u00e8re inf\u00e9rieure ne trouve alors aucun point d’application r\u00e9el au sein de la s\u00e9rie de donn\u00e9es positives.<\/p>\n Sym\u00e9trique dans sa conception bien qu’ind\u00e9pendante dans son point d’application, la limite sup\u00e9rieure<\/strong> (upper fence<\/em> ou inner upper fence<\/em>) est con\u00e7ue pour fixer le plafond d’acceptabilit\u00e9 statistique au-dessus de la moiti\u00e9 sup\u00e9rieure des scores ordonn\u00e9s. Sa formulation arithm\u00e9tique rigoureuse s’\u00e9crit :<\/p>\n Limite sup\u00e9rieure = Q3 + (1,5 \u00d7 IQR)<\/strong><\/p>\n Cette fois, le pivot de r\u00e9f\u00e9rence est constitu\u00e9 par le troisi\u00e8me quartile (Q3), qui borne la tranche des 75 % des valeurs les plus basses. \u00c0 cette borne haute est adjointe une marge de tol\u00e9rance \u00e9quivalente \u00e0 une fois et demie l’\u00e9tendue interquartile. En cons\u00e9quence, toute observation individuelle xi<\/sub><\/em> qui exc\u00e8de cette borne critique, v\u00e9rifiant xi<\/sub><\/em> > Limite sup\u00e9rieure, est identifi\u00e9e comme une valeur aberrante sup\u00e9rieure.<\/p>\n L’existence de cette fronti\u00e8re sup\u00e9rieure pose des enjeux \u00e9pist\u00e9mologiques et cliniques majeurs. Dans les \u00e9tudes d’\u00e9valuation de la performance humaine, de la cr\u00e9ativit\u00e9 divergente, du potentiel intellectuel ou des richesses \u00e9conomiques, les observations qui franchissent le seuil sup\u00e9rieur ne r\u00e9sultent que tr\u00e8s rarement d’erreurs de mesure fortuites. Elles mat\u00e9rialisent souvent des performances v\u00e9ritablement exceptionnelles, des g\u00e9nies cognitifs ou des fortunes financi\u00e8res disproportionn\u00e9es. L’analyste doit veiller \u00e0 ne pas confondre le concept de raret\u00e9 statistique avec celui de pathologie du signal : une valeur au-dessus de la cl\u00f4ture sup\u00e9rieure constitue une anomalie statistique au sens probabiliste, mais peut incarner l’observation empirique la plus riche d’enseignements pour la th\u00e9orie sous-jacente.<\/p>\n Une interrogation r\u00e9currente chez les \u00e9tudiants et les chercheurs en statistiques appliqu\u00e9es concerne la gen\u00e8se du coefficient multiplicateur 1,5<\/strong> : s’agit-il d’un nombre magique, d’une constante universelle ou d’un choix purement arbitraire arr\u00eat\u00e9 par John Tukey ? La r\u00e9ponse r\u00e9side dans un arbitrage pragmatique fond\u00e9 sur les propri\u00e9t\u00e9s probabilistes de la loi normale, document\u00e9 de mani\u00e8re r\u00e9trospective par les disciples de Tukey, notamment Hoaglin, Mosteller et Tukey dans leurs \u00e9crits sur l’\u00e9valuation robuste (1983).<\/p>\n Imaginons une population parente r\u00e9gie par une distribution strictement gaussienne N(\u03bc, \u03c3\u00b2). Comme \u00e9tabli pr\u00e9c\u00e9demment, les quartiles th\u00e9oriques se situent \u00e0 \u03bc – 0,6745 \u03c3 pour Q1 et \u00e0 \u03bc + 0,6745 \u03c3 pour Q3, ce qui attribue \u00e0 l’\u00e9cart interquartile la valeur exacte de 1,349 \u03c3. Si l’on applique le multiplicateur k<\/em> = 1,5 aux \u00e9quations des cl\u00f4tures sous ce r\u00e9gime gaussien, nous obtenons les projections suivantes :<\/p>\n Or, dans une distribution normale, la probabilit\u00e9 cumul\u00e9e qu’une observation franchisse le seuil de 2,698 \u00e9carts-types par rapport \u00e0 la moyenne dans une direction donn\u00e9e est d’environ 0,0035 (soit 0,35 %). En sommant les deux queues de la distribution, la proportion totale d’observations th\u00e9oriquement exclues par les cl\u00f4tures de 1,5 \u00d7 IQR au sein d’une population gaussienne parfaite s’\u00e9tablit \u00e0 approximativement 0,7 %<\/strong> (soit un taux de r\u00e9tention d’environ 99,3 %).<\/p>\n Tukey consid\u00e9rait qu’un coefficient de 1,0 \u00e9liminait trop d’observations valides (pr\u00e8s de 5 % d’erreurs de d\u00e9tection sous loi normale, ce qui constitue un taux de faux positifs trop \u00e9lev\u00e9 pour de l’exploration pr\u00e9liminaire), tandis qu’un coefficient de 2,0 se r\u00e9v\u00e9lait trop laxiste, laissant passer des anomalies flagrantes g\u00e9n\u00e9r\u00e9es par des perturbations locales. Le facteur 1,5 a donc \u00e9t\u00e9 retenu comme le point d’\u00e9quilibre optimal : un compromis heuristique \u00e9l\u00e9gant, offrant une sp\u00e9cificit\u00e9 \u00e9lev\u00e9e tout en pr\u00e9servant une sensibilit\u00e9 ad\u00e9quate face aux v\u00e9ritables d\u00e9viations empiriques.<\/p>\n Afin d’ancrer ces d\u00e9veloppements th\u00e9oriques dans la r\u00e9alit\u00e9 op\u00e9ratoire, proc\u00e9dons \u00e0 une d\u00e9monstration int\u00e9grale sur un \u00e9chantillon concret. Consid\u00e9rons une s\u00e9rie de mesures repr\u00e9sentant les scores bruts obtenus par un groupe d’individus lors d’un test standardis\u00e9 de flexibilit\u00e9 cognitive. L’\u00e9chantillon brut collect\u00e9 par l’exp\u00e9rimentateur comporte n<\/em> = 15 observations pr\u00e9sent\u00e9es initialement de fa\u00e7on d\u00e9sordonn\u00e9e : 24, 14, 38, 16, 45, 11, 36, 18, 13, 27, 34, 15, 22, 14, 41.<\/p>\n L’\u00e9tape pr\u00e9liminaire et incompressible de tout traitement par cl\u00f4tures statistiques consiste en l’agencement par ordre croissant monotone<\/strong> des valeurs recueillies. Cette op\u00e9ration de tri est indispensable pour identifier les rangs percentiles. Apr\u00e8s tri, la s\u00e9quence ordonn\u00e9e s’\u00e9tablit formellement comme suit :<\/p>\n 11, 13, 14, 14, 15, 16, 18, 22, 24, 27, 34, 36, 38, 41, 45<\/strong><\/p>\n Pour d\u00e9terminer la m\u00e9diane (Q2), nous appliquons la r\u00e8gle classique pour un \u00e9chantillon de taille impaire (n<\/em> = 15). La position m\u00e9diane correspond au rang (n<\/em> + 1) \/ 2, soit (15 + 1) \/ 2 = 8e observation de la s\u00e9rie ordonn\u00e9e. En d\u00e9nombrant les valeurs, nous constatons que la 8e observation correspond \u00e0 la valeur 22<\/strong>. Cette m\u00e9diane divise parfaitement notre \u00e9chantillon en deux blocs sym\u00e9triques de sept observations chacun :<\/p>\n L’\u00e9tape subs\u00e9quente requiert l’identification rigoureuse des premier et troisi\u00e8me quartiles. Dans la tradition m\u00e9thodologique de Tukey (m\u00e9thode dite des charni\u00e8res ou hinges<\/em>), Q1 est d\u00e9fini comme la m\u00e9diane du sous-ensemble inf\u00e9rieur, tandis que Q3 repr\u00e9sente la m\u00e9diane du sous-ensemble sup\u00e9rieur.<\/p>\n Examinons le sous-ensemble inf\u00e9rieur compos\u00e9 de sept valeurs : {11, 13, 14, 14, 15, 16, 18}. La taille de ce segment \u00e9tant impaire (7 points), la m\u00e9diane se situe exactement au rang (7 + 1) \/ 2 = 4e position de ce sous-ensemble. La quatri\u00e8me valeur de cette s\u00e9rie est 14. Par cons\u00e9quent, nous \u00e9tablissons formellement :<\/p>\n Q1 = 14<\/strong><\/p>\n Appliquons le m\u00eame raisonnement analytique au sous-ensemble sup\u00e9rieur constitu\u00e9 des sept valeurs : {24, 27, 34, 36, 38, 41, 45}. La position m\u00e9diane est \u00e0 nouveau la 4e valeur de ce bloc de donn\u00e9es. En parcourant ce sous-groupe, nous isolons la quatri\u00e8me observation qui est 36. Nous pouvons donc poser :<\/p>\n Q3 = 36<\/strong><\/p>\n Disposant d\u00e9sormais des deux bornes du segment central, l’estimation de l’\u00e9cart interquartile se d\u00e9duit par une soustraction \u00e9l\u00e9mentaire :<\/p>\n IQR = Q3 – Q1 = 36 – 14 = 22<\/strong><\/p>\n La dispersion centrale de notre \u00e9chantillon est donc caract\u00e9ris\u00e9e par un IQR de 22 unit\u00e9s scalaires. Cela signifie qu’un intervalle de 22 points suffit \u00e0 englober la moiti\u00e9 centrale des individus ayant particip\u00e9 \u00e0 cette \u00e9valuation.<\/p>\n Poss\u00e9dant l’ensemble des termes de l’\u00e9quation de Tukey, nous pouvons d\u00e9sormais \u00e9valuer le produit pond\u00e9r\u00e9 de dispersion et d\u00e9terminer avec exactitude les deux barri\u00e8res de d\u00e9tection d’observations atypiques. La premi\u00e8re op\u00e9ration arithm\u00e9tique consiste \u00e0 calculer le terme d’extension correspondant au facteur 1,5 :<\/p>\n 1,5 \u00d7 IQR = 1,5 \u00d7 22 = 33<\/strong><\/p>\n Ce r\u00e9sultat interm\u00e9diaire de 33 unit\u00e9s repr\u00e9sente la distance critique qu’il convient de soustraire de la borne Q1 pour obtenir la limite inf\u00e9rieure, et d’additionner \u00e0 la borne Q3 pour obtenir la limite sup\u00e9rieure. Proc\u00e9dons d’abord au calcul de la limite inf\u00e9rieure<\/strong> :<\/p>\n Limite inf\u00e9rieure = Q1 – (1,5 \u00d7 IQR) = 14 – 33 = -19<\/strong><\/p>\n Calculons ensuite la limite sup\u00e9rieure<\/strong> en projetant l’extension au-del\u00e0 de la charni\u00e8re haute :<\/p>\n Limite sup\u00e9rieure = Q3 + (1,5 \u00d7 IQR) = 36 + 33 = 69<\/strong><\/p>\n Nos deux cl\u00f4tures de s\u00e9curit\u00e9 statistique se trouvent d\u00e9sormais solidement fix\u00e9es : toute valeur qui serait strictement inf\u00e9rieure \u00e0 -19 sera signal\u00e9e comme une anomalie basse, tandis que toute valeur qui d\u00e9passerait strictement 69 sera identifi\u00e9e comme une anomalie haute.<\/p>\n L’\u00e9tape conclusive de la d\u00e9marche consiste \u00e0 confronter l’ensemble des observations r\u00e9elles de la s\u00e9rie empirique aux deux seuils de coupure ainsi \u00e9tablis. Puisque les donn\u00e9es ont \u00e9t\u00e9 pr\u00e9alablement ordonn\u00e9es de fa\u00e7on monotone, il n’est pas n\u00e9cessaire de tester chaque \u00e9l\u00e9ment unitairement : il suffit d’examiner attentivement les extr\u00eames de la s\u00e9rie, c’est-\u00e0-dire le minimum absolu et le maximum absolu.<\/p>\n Consid\u00e9rons tout d’abord l’extr\u00e9mit\u00e9 gauche de la distribution. Le minimum empirique de notre s\u00e9rie statistique est x<\/em>(1)<\/sub> = 11. Comparons cette valeur \u00e0 notre limite inf\u00e9rieure :<\/p>\n x<\/em>(1)<\/sub> = 11 > -19 (Limite inf\u00e9rieure)<\/p>\n Le minimum r\u00e9el se situe nettement au-dessus de la barri\u00e8re critique de -19. Par cons\u00e9quent, il n’existe aucune valeur aberrante inf\u00e9rieure dans ce jeu de donn\u00e9es. Le fait que la barri\u00e8re inf\u00e9rieure soit n\u00e9gative (-19) alors que la variable mesur\u00e9e ne peut th\u00e9oriquement descendre en dessous de z\u00e9ro indique que la distribution est suffisamment condens\u00e9e pour qu’aucun score positif ne puisse \u00eatre qualifi\u00e9 d’anormalement bas au regard de la dispersion globale.<\/p>\n Examinons d\u00e9sormais l’extr\u00e9mit\u00e9 droite de notre distribution. La valeur maximale enregistr\u00e9e est x<\/em>(15)<\/sub> = 45. Comparons cette donn\u00e9e \u00e0 notre plafond calcul\u00e9 :<\/p>\n x<\/em>(15)<\/sub> = 45 < 69 (Limite sup\u00e9rieure)<\/p>\n Le score le plus \u00e9lev\u00e9 de la cohorte est substantiellement inf\u00e9rieur \u00e0 la limite sup\u00e9rieure de 69 unit\u00e9s. Par cons\u00e9quent, nous concluons \u00e0 l’absence totale de valeur aberrante sup\u00e9rieure au sein de cet \u00e9chantillon. L’ensemble des 15 observations recueillies peut \u00eatre l\u00e9gitimement consid\u00e9r\u00e9 comme appartenant \u00e0 la m\u00eame population statistique et conserv\u00e9 int\u00e9gralement pour les \u00e9tapes de mod\u00e9lisation inf\u00e9rentielle ult\u00e9rieures.<\/p>\n L’une des contributions les plus p\u00e9rennes de John Tukey \u00e0 la s\u00e9miotique graphique scientifique est l’invention du diagramme de dispersion en bo\u00eete, universellement d\u00e9sign\u00e9 en fran\u00e7ais sous le terme de bo\u00eete \u00e0 moustaches<\/strong> et en anglais sous le nom de boxplot<\/em>. Ce diagramme a \u00e9t\u00e9 pr\u00e9cis\u00e9ment con\u00e7u pour traduire visuellement le r\u00e9sum\u00e9 \u00e0 cinq nombres et spatialiser les limites statistiques d’une distribution sans n\u00e9cessiter la consultation de tableaux d’effectifs r\u00e9barbatifs.<\/p>\n L’architecture anatomique d’un boxplot standard s’organise autour d’un rectangle central (la bo\u00eete proprement dite). L’ar\u00eate inf\u00e9rieure de cette bo\u00eete co\u00efncide rigoureusement avec le premier quartile (Q1), tandis que l’ar\u00eate sup\u00e9rieure s’aligne parfaitement sur le troisi\u00e8me quartile (Q3). La hauteur verticale du corps de la bo\u00eete repr\u00e9sente donc graphiquement l’\u00e9cart interquartile (IQR), renfermant visuellement la moiti\u00e9 centrale exacte de toutes les donn\u00e9es observ\u00e9es. \u00c0 l’int\u00e9rieur de ce polygone, un trait horizontal renforc\u00e9 (ou parfois une ligne de couleur contrast\u00e9e) mat\u00e9rialise l’emplacement exact de la m\u00e9diane (Q2), permettant d’appr\u00e9cier d’embl\u00e9e la position du centre de gravit\u00e9 des donn\u00e9es au sein du c\u0153ur de dispersion.<\/p>\n C’est au niveau du trac\u00e9 des lignes divergentes \u2014 commun\u00e9ment nomm\u00e9es les moustaches<\/strong> (whiskers<\/em>) \u2014 que se produit la confusion la plus fr\u00e9quente parmi les praticiens de la statistique. Une erreur conceptuelle largement r\u00e9pandue consiste \u00e0 croire que les moustaches se terminent syst\u00e9matiquement aux bornes th\u00e9oriques calcul\u00e9es par les \u00e9quations de Tukey (c’est-\u00e0-dire pr\u00e9cis\u00e9ment \u00e0 Q1 – 1,5\u00d7IQR et Q3 + 1,5\u00d7IQR). Or, la r\u00e8gle s\u00e9miologique \u00e9tablie par Tukey est sensiblement plus subtile.<\/p>\n Dans la convention graphique rigoureuse de Tukey, les cl\u00f4tures statistiques sont des lignes invisibles (ou des rep\u00e8res virtuels de calcul). Les moustaches ne sont jamais trac\u00e9es dans le vide : elles s’arr\u00eatent imp\u00e9rativement aux valeurs r\u00e9elles les plus extr\u00eames situ\u00e9es \u00e0 l’int\u00e9rieur des cl\u00f4tures<\/strong>. Plus pr\u00e9cis\u00e9ment :<\/p>\n Lorsque des observations individuelles franchissent ces fronti\u00e8res virtuelles et se situent au-del\u00e0 des cl\u00f4tures de Tukey, elles ne sont jamais incluses dans les moustaches. Elles font l’objet d’une figuration s\u00e9miotique distincte : chaque valeur aberrante est mat\u00e9rialis\u00e9e par un glyphe isol\u00e9 (g\u00e9n\u00e9ralement un point, un petit cercle \u00e9vid\u00e9 ou un ast\u00e9risque) align\u00e9 le long de l’axe vertical. Ce mode d’affichage attire imm\u00e9diatement l’attention du chercheur sur la singularit\u00e9 m\u00e9trique de ces entit\u00e9s isol\u00e9es tout en conservant la tra\u00e7abilit\u00e9 int\u00e9grale de leur magnitude d’\u00e9cart.<\/p>\n Au-del\u00e0 de sa fonction de d\u00e9pistage des anomalies, la bo\u00eete \u00e0 moustaches constitue un outil de diagnostic morphologique d’une formidable efficacit\u00e9 pour \u00e9valuer en un clin d’\u0153il les distorsions d’une s\u00e9rie statistique, en particulier l’asym\u00e9trie distributionnelle<\/a> (skewness<\/em>) et l’\u00e9talement relatif des queues de distribution. L’inspection conjointe de la bo\u00eete et des moustaches fournit des indices qualitatifs imm\u00e9diats :<\/p>\n Si la ligne de la m\u00e9diane n’occupe pas le centre g\u00e9om\u00e9trique de la bo\u00eete interquartile mais se trouve d\u00e9port\u00e9e vers le bas (proche de Q1), et que simultan\u00e9ment la moustache sup\u00e9rieure est notablement plus longue que la moustache inf\u00e9rieure, la distribution pr\u00e9sente une asym\u00e9trie positive prononc\u00e9e (d\u00e9viation vers la droite). Ce pattern visuel traduit une concentration des observations dans les valeurs faibles et une tra\u00eene \u00e9tir\u00e9e de valeurs \u00e9lev\u00e9es, configuration r\u00e9currente dans les chronom\u00e9tries cognitives ou les indicateurs de salaires. R\u00e9ciproquement, une m\u00e9diane d\u00e9cal\u00e9e vers Q3 assortie d’une longue moustache inf\u00e9rieure d\u00e9note une asym\u00e9trie n\u00e9gative (d\u00e9viation vers la gauche).<\/p>\n L’observation simultan\u00e9e de la pr\u00e9sence de valeurs isol\u00e9es au-del\u00e0 des moustaches et de l’\u00e9tirement asym\u00e9trique de celles-ci renseigne \u00e9galement sur l’\u00e9ventuelle nature multimodale des donn\u00e9es. Si plusieurs points se regroupent \u00e0 une distance \u00e9quivalente au-del\u00e0 de la cl\u00f4ture sup\u00e9rieure, cela peut signaler non pas une s\u00e9rie d’accidents m\u00e9trologiques fortuits, mais l’existence d’une sous-population latente au sein de l’\u00e9chantillon (par exemple, des individus porteurs d’une variante g\u00e9n\u00e9tique sp\u00e9cifique ou des sujets ayant utilis\u00e9 une strat\u00e9gie de compensation cognitive non identifi\u00e9e), justifiant des analyses de m\u00e9langes finis plut\u00f4t qu’une simple exclusion math\u00e9matique.<\/p>\n Dans l’architecture conceptuelle compl\u00e8te d\u00e9velopp\u00e9e par Tukey, la classification des observations singuli\u00e8res ne se r\u00e9duit pas \u00e0 une cat\u00e9gorisation binaire na\u00efve s\u00e9parant le \u00ab normal \u00bb de l’\u00ab aberrant \u00bb. Tukey a introduit une graduation du niveau d’anomalie en introduisant une distinction technique entre les barri\u00e8res proximales \u2014 qualifi\u00e9es de cl\u00f4tures internes<\/strong> (inner fences<\/em>) \u2014 et des barri\u00e8res distales plus radicales, formellement nomm\u00e9es cl\u00f4tures externes<\/strong> (outer fences<\/em>).<\/p>\n Pour \u00e9riger ces cl\u00f4tures externes, le mod\u00e8le statistique amplifie le coefficient multiplicateur en portant le facteur de tol\u00e9rance de 1,5 \u00e0 3,0<\/strong>. Les formulations analytiques r\u00e9gissant ces fronti\u00e8res de second niveau s’\u00e9crivent de la mani\u00e8re suivante :<\/p>\n Cl\u00f4ture externe inf\u00e9rieure = Q1 – (3,0 \u00d7 IQR)<\/strong><\/p>\n Cl\u00f4ture externe sup\u00e9rieure = Q3 + (3,0 \u00d7 IQR)<\/strong><\/p>\n En doublant l’excursion spatiale allou\u00e9e autour du noyau interquartile, les cl\u00f4tures externes d\u00e9finissent un p\u00e9rim\u00e8tre d’exception statistique majeure. Alors que les cl\u00f4tures internes \u00e0 1,5 \u00d7 IQR rep\u00e8rent toute d\u00e9viation m\u00e9ritant un r\u00e9examen critique, les cl\u00f4tures externes \u00e0 3,0 \u00d7 IQR d\u00e9limitent la fronti\u00e8re au-del\u00e0 de laquelle l’observation ne peut presque plus \u00eatre rattach\u00e9e \u00e0 la dynamique ordinaire de la population parente.<\/p>\n L’interaction conjointe entre cl\u00f4tures internes et cl\u00f4tures externes engendre une typologie diff\u00e9rentielle hautement op\u00e9rationnelle pour la prise de d\u00e9cision analytique. Cette taxonomie se structure rigoureusement en trois zones d’appartenance m\u00e9trique :<\/p>\n Cette diff\u00e9renciation typologique a une port\u00e9e directe sur la recherche des causes de d\u00e9viation. Une valeur aberrante mod\u00e9r\u00e9e refl\u00e8te fr\u00e9quemment une variation biologique ou comportementale r\u00e9elle, bien qu’inhabituelle, ou un l\u00e9ger bruit de fond exp\u00e9rimental. En revanche, le franchissement d’une cl\u00f4ture externe sugg\u00e8re avec une probabilit\u00e9 \u00e9crasante l’existence d’un accident m\u00e9thodologique patent : d\u00e9faillance m\u00e9canique d’un capteur, erreur mat\u00e9rielle de saisie dactylographique (par exemple, encoder un \u00e2ge de 220 ans au lieu de 22 ans) ou rupture absolue du respect du protocole exp\u00e9rimental par le sujet test\u00e9.<\/p>\n Pour mesurer \u00e0 quel point le franchissement d’une cl\u00f4ture externe est un \u00e9v\u00e9nement extraordinaire sous l’angle de la th\u00e9orie des probabilit\u00e9s, il est instructif d’en quantifier la vraisemblance dans le cadre d’un \u00e9chantillonnage gaussien id\u00e9al. En reprenant l’\u00e9quivalence asymptotique de l’\u00e9cart interquartile sous la loi normale (IQR \u2248 1,349 \u03c3), projetons les \u00e9quations des cl\u00f4tures externes au sein de l’espace standardis\u00e9 :<\/p>\n La surface int\u00e9gr\u00e9e sous la courbe gaussienne au-del\u00e0 de 4,72 \u00e9carts-types par rapport \u00e0 l’esp\u00e9rance math\u00e9matique est infime : elle correspond \u00e0 une probabilit\u00e9 d’occurrence unilat\u00e9rale de l’ordre de 0,00000116, soit environ un cas sur un million<\/strong> ! M\u00eame en consid\u00e9rant les deux extr\u00e9mit\u00e9s cumul\u00e9es, la probabilit\u00e9 d’observer fortuitement une valeur au-del\u00e0 d’une cl\u00f4ture externe dans une distribution strictement normale s’\u00e9l\u00e8ve \u00e0 approximativement 0,0002 %.<\/p>\n Ce r\u00e9sultat th\u00e9orique offre un crit\u00e8re d’arbitrage d’une redoutable efficacit\u00e9 lors du traitement des cohortes massives (big data<\/em>) en sciences sociales et en bio-informatique. Alors que dans un \u00e9chantillon de 10 000 participants, l’apparition de plusieurs dizaines de valeurs aberrantes mod\u00e9r\u00e9es (au-del\u00e0 de 1,5 \u00d7 IQR) est un ph\u00e9nom\u00e8ne attendu li\u00e9 aux propri\u00e9t\u00e9s combinatoires de l’\u00e9chantillonnage, la survenue d’un seul point au-del\u00e0 du seuil de 3,0 \u00d7 IQR indique sans \u00e9quivoque une anomalie qualitative qu’il convient d’isoler sous peine de d\u00e9stabiliser les calculs matriciels de grande dimension.<\/p>\n Dans le domaine de la psychologie cognitive exp\u00e9rimentale, l’analyse des chronom\u00e9tries mentales \u2014 mesur\u00e9es par le temps s’\u00e9coulant entre la pr\u00e9sentation d’un stimulus et l’\u00e9mission d’une r\u00e9ponse motrice \u2014 est au c\u0153ur de l’inf\u00e9rence sur l’architecture cognitive. Or, les distributions de temps de r\u00e9action ne sont jamais gaussiennes : elles sont intrins\u00e8quement born\u00e9es \u00e0 gauche par des contraintes physiologiques insurmontables et exhibent invariablement une queue asym\u00e9trique \u00e9tir\u00e9e vers la droite, s’apparentant \u00e0 des lois de distribution de type Ex-Gaussienne ou de Weibull.<\/p>\n Historiquement, de nombreux laboratoires appliquaient des r\u00e8gles de coupure brutes et uniformes, consistant par exemple \u00e0 supprimer indistinctement tout essai inf\u00e9rieur \u00e0 200 ms ou sup\u00e9rieur \u00e0 2 000 ms. Cette m\u00e9thode m\u00e9canique p\u00e8che par son absence de contextualisation : un temps de r\u00e9ponse de 800 ms peut \u00eatre aberrant lors d’une t\u00e2che de d\u00e9tection simple, tout en repr\u00e9sentant une latence parfaitement r\u00e9guli\u00e8re lors d’une t\u00e2che de raisonnement analogique complexe. L’application individualis\u00e9e des limites de Tukey (calcul\u00e9es pour chaque sujet au sein de chaque condition exp\u00e9rimentale) r\u00e9sout cette carence :<\/p>\n L’administration d’inventaires d’auto-\u00e9valuation en psychom\u00e9trie clinique (comme le BDI pour la d\u00e9pression, le STAI pour l’anxi\u00e9t\u00e9 ou le NEO-PI-R pour la personnalit\u00e9) fait constamment face \u00e0 des artefacts de compl\u00e9tion. Les participants peuvent r\u00e9pondre \u00e0 la h\u00e2te en cochant syst\u00e9matiquement la m\u00eame modalit\u00e9 de r\u00e9ponse (effet d’acquiescement passif), produire des r\u00e9ponses en dents de scie totalement incoh\u00e9rentes ou simuler une d\u00e9tresse psychologique extr\u00eame (falsification d\u00e9lib\u00e9r\u00e9e).<\/p>\n L’extraction des limites sup\u00e9rieure et inf\u00e9rieure sur des scores composites d\u00e9riv\u00e9s (tels que la variabilit\u00e9 intra-individuelle des r\u00e9ponses ou le temps moyen pass\u00e9 par item) permet de rep\u00e9rer instantan\u00e9ment ces comportements de r\u00e9ponse frauduleux. Lorsqu’un sujet pr\u00e9sente un score d’incoh\u00e9rence inter-items qui outrepasse la cl\u00f4ture externe sup\u00e9rieure de l’\u00e9chantillon de standardisation, son protocole peut \u00eatre \u00e9cart\u00e9 de fa\u00e7on objective avant toute inclusion dans l’\u00e9talonnage psychom\u00e9trique. Cette d\u00e9puration pr\u00e9alable assainit la matrice de covariance inter-items, pr\u00e9vient la d\u00e9gradation artificielle des coefficients de coh\u00e9rence interne (alpha de Cronbach, om\u00e9ga de McDonald) et garantit la r\u00e9plicabilit\u00e9 de la structure factorielle sous-jacente lors des analyses factorielles confirmatoires.<\/p>\n En neuropsychologie clinique, le paradigme change radicalement de perspective : la variance n’est plus un simple bruit de mesure ind\u00e9sirable, elle constitue la signature m\u00eame du tableau l\u00e9sionnel ou d\u00e9g\u00e9n\u00e9ratif du patient. Dans l’\u00e9valuation de cohortes c\u00e9r\u00e9brol\u00e9s\u00e9es (victimes d’accidents vasculaires c\u00e9r\u00e9braux, traumatis\u00e9s cr\u00e2niens ou personnes souffrant d’affections neurod\u00e9g\u00e9n\u00e9ratives du type maladie d’Alzheimer), les distributions de performances sont frapp\u00e9es d’une tr\u00e8s forte dispersion naturelle et d’une asym\u00e9trie extr\u00eame.<\/p>\n Dans ce contexte hautement vuln\u00e9rable, l’utilisation aveugle de seuils statistiques rigides soul\u00e8ve d’immenses questions \u00e9thiques et scientifiques. Si un neuropsychologue \u00e9limine automatiquement les performances qui franchissent la limite sup\u00e9rieure sous pr\u00e9texte qu’elles constituent des anomalies num\u00e9riques, il risque de supprimer les donn\u00e9es des patients qui ont d\u00e9velopp\u00e9 des processus de compensation c\u00e9r\u00e9brale remarquables ou, inversement, les profils t\u00e9moignant d’un d\u00e9ficit cognitif s\u00e9v\u00e8re cibl\u00e9. L’approche m\u00e9thodologique recommand\u00e9e consiste \u00e0 utiliser les cl\u00f4tures de Tukey non pas comme un hachoir automatique d’exclusion, mais comme un indicateur clinique formalis\u00e9, orientant l’investigateur vers un examen qualitatif approfondi de l’\u00e9tiologie des profils ainsi \u00e9tiquet\u00e9s.<\/p>\n La confrontation m\u00e9thodologique entre les limites de Tukey et la technique universellement r\u00e9pandue des scores centr\u00e9s r\u00e9duits \u2014 ou scores Z<\/strong> \u2014 m\u00e9rite un examen approfondi, tant l’erreur consistant \u00e0 privil\u00e9gier aveugl\u00e9ment les scores Z demeure ancr\u00e9e dans la pratique de nombreux chercheurs. La m\u00e9thode classique du Z-score d\u00e9clare atypique toute observation xi<\/sub><\/em> dont le score standardis\u00e9 zi<\/sub><\/em> = (xi<\/sub><\/em> – \u03bc) \/ \u03c3 pr\u00e9sente une valeur absolue sup\u00e9rieure \u00e0 un seuil pr\u00e9d\u00e9termin\u00e9, g\u00e9n\u00e9ralement fix\u00e9 \u00e0 2,5 ou 3,0.<\/p>\n Cette approche param\u00e9trique souffre d’un vice de conception majeur connu sous le nom d’effet de masquage<\/strong> (masking effect<\/em>). Lorsqu’un \u00e9chantillon contient une ou plusieurs valeurs tr\u00e8s aberrantes, ces observations contaminent imm\u00e9diatement le calcul de la moyenne (qui se d\u00e9cale vers l’anomalie) et gonflent artificiellement l’\u00e9cart-type. En cons\u00e9quence, le d\u00e9nominateur de l’\u00e9quation du score Z devenant excessivement volumineux, les scores standardis\u00e9s de l’ensemble de l’\u00e9chantillon sont comprim\u00e9s vers z\u00e9ro. L’anomalie s\u00e9v\u00e8re parvient ainsi \u00e0 masquer sa propre d\u00e9viance en sabotant l’\u00e9talon m\u00eame de sa d\u00e9tection !<\/p>\n \u00c0 l’inverse, les limites de Tukey sont totalement immunis\u00e9es contre ce dysfonctionnement syst\u00e9mique gr\u00e2ce au point de rupture \u00e9lev\u00e9 de la m\u00e9diane et de l’\u00e9cart interquartile. M\u00eame en pr\u00e9sence de perturbations massives aux extr\u00e9mit\u00e9s de l’\u00e9chantillon, la distance interquartile reste ancr\u00e9e sur le corps central des observations, permettant d’identifier avec une fiabilit\u00e9 constante les points atypiques sans subir de distorsion d’\u00e9chelle.<\/p>\n Dans l’arsenal de la statistique non-param\u00e9trique hautement r\u00e9sistante, un autre estimateur fait figure de concurrent direct des cl\u00f4tures de Tukey : l’\u00e9cart absolu \u00e0 la m\u00e9diane<\/strong>, universellement d\u00e9sign\u00e9 par son acronyme anglophone MAD<\/strong> (Median Absolute Deviation<\/em>). Formellement, le MAD se d\u00e9finit comme la m\u00e9diane des \u00e9carts absolus par rapport \u00e0 la m\u00e9diane de l’\u00e9chantillon :<\/p>\n MAD = M\u00e9diane(|xi<\/sub><\/em> – M\u00e9diane(X<\/em>)|)<\/strong><\/p>\n D’un point de vue de la pure th\u00e9orie de la robustesse, le MAD poss\u00e8de des propri\u00e9t\u00e9s asymptotiques encore plus impressionnantes que l’IQR. En effet, le point de rupture du MAD atteint le seuil th\u00e9orique ultime de 50 %<\/strong>, contre 25 % pour l’\u00e9cart interquartile de Tukey. Cela signifie qu’une distribution peut tol\u00e9rer jusqu’\u00e0 la moiti\u00e9 de donn\u00e9es totalement corrompues avant que le MAD ne devienne erratique.<\/p>\n N\u00e9anmoins, les limites bas\u00e9es sur l’IQR de Tukey conservent une sup\u00e9riorit\u00e9 pragmatique d\u00e9terminante dans la pratique quotidienne de la recherche. D’une part, elles s’int\u00e8grent organiquement \u00e0 la repr\u00e9sentation g\u00e9om\u00e9trique intuitive de la bo\u00eete \u00e0 moustaches, ce qui facilite leur communication visuelle imm\u00e9diate. D’autre part, dans les distributions mod\u00e9r\u00e9ment asym\u00e9triques ou granulaires (comme les scores entiers d’\u00e9chelles psychom\u00e9triques), le calcul du MAD a tendance \u00e0 s’effondrer \u00e0 z\u00e9ro d\u00e8s lors que plus de 50 % des observations partagent la m\u00eame valeur centrale, rendant impossible toute d\u00e9tection d’anomalies, un \u00e9cueil auquel l’\u00e9cart interquartile de Tukey \u00e9chappe tr\u00e8s largement.<\/p>\n Il est crucial de circonscrire pr\u00e9cis\u00e9ment le domaine de validit\u00e9 des limites inf\u00e9rieure et sup\u00e9rieure : il s’agit d’une technique d’inspection strictement univari\u00e9e<\/strong>. Cette caract\u00e9ristique impose d’en reconna\u00eetre les fronti\u00e8res conceptuelles face aux d\u00e9fis pos\u00e9s par les ensembles de donn\u00e9es multidimensionnels. Une observation peut parfaitement se conformer aux limites univari\u00e9es de Tukey lorsqu’on examine chaque variable isol\u00e9ment, tout en incarnant une anomalie multivari\u00e9e flagrante lorsqu’on \u00e9value l’interaction simultan\u00e9e de ces dimensions.<\/p>\n Consid\u00e9rons un exemple intuitif : une \u00e9tude mesurant l’\u00e2ge des individus et leur niveau d’expertise professionnelle. Un \u00e2ge de 11 ans est une valeur r\u00e9guli\u00e8re au sein d’une distribution p\u00e9diatrique g\u00e9n\u00e9rale ; un statut de chirurgien neurovasculaire est une modalit\u00e9 parfaitement valide au sein d’une distribution de professions hospitali\u00e8res. Pourtant, l’observation conjointe d’un individu \u00e2g\u00e9 de 11 ans exer\u00e7ant la profession de chirurgien neurovasculaire repr\u00e9sente une anomalie multivari\u00e9e absolue qu’aucun test univari\u00e9 de Tukey ne pourra jamais intercepter sur les variables prises individuellement.<\/p>\n Pour r\u00e9soudre ce type de singularit\u00e9 dimensionnelle, l’analyste doit relayer les cl\u00f4tures de Tukey par des instruments d’\u00e9valuation multivari\u00e9s, au premier rang desquels figure la distance de Mahalanobis<\/a>, qui calcule l’\u00e9loignement d’une observation par rapport au centre de gravit\u00e9 multidimensionnel tout en tenant compte de la structure de covariance globale. L’inspection univari\u00e9e par les cl\u00f4tures de Tukey demeure cependant l’\u00e9tape pr\u00e9alable obligatoire : nettoyer d’abord les anomalies univari\u00e9es brutes \u00e9vite d’injecter des matrices d’\u00e9chelle distordues au sein des algorithmes multivari\u00e9s.<\/p>\n L’avantage le plus d\u00e9cisif des cl\u00f4tures de Tukey r\u00e9side dans leur nature intrins\u00e8quement non-param\u00e9trique<\/strong> et leur affranchissement total vis-\u00e0-vis de tout postulat pr\u00e9alable de distributionnalit\u00e9. La tr\u00e8s grande majorit\u00e9 des tests d’hypoth\u00e8ses conventionnels reposent sur l’hypoth\u00e8se contraignante que les donn\u00e9es sont issues d’une population gaussienne ou qu’elles ob\u00e9issent \u00e0 des conditions d’homosc\u00e9dasticit\u00e9 strictes. Dans la recherche de terrain r\u00e9elle, ces conditions id\u00e9ales ne sont presque jamais r\u00e9unies.<\/p>\n Parce qu’elles reposent exclusivement sur les rangs et les distances ordinales, les limites inf\u00e9rieure et sup\u00e9rieure de Tukey s’appliquent avec une rigueur \u00e9gale \u00e0 n’importe quelle morphologie distributionnelle : distributions bimodales, distributions fortement asym\u00e9triques, variables tronqu\u00e9es ou \u00e9chelles d’intervalles subjectives. Cette polyvalence universelle garantit que la proc\u00e9dure d’inspection reste math\u00e9matiquement valide et m\u00e9thodologiquement d\u00e9fendable, quel que soit l’objet de recherche analys\u00e9.<\/p>\n De surcro\u00eet, cette neutralit\u00e9 distributionnelle conf\u00e8re aux analyses pr\u00e9liminaires une stabilit\u00e9 inter-\u00e9chantillons remarquable. Dans les protocoles exp\u00e9rimentaux multi-sites ou les \u00e9tudes r\u00e9pliqu\u00e9es au sein de diff\u00e9rents laboratoires \u00e0 travers le monde, la mise en \u0153uvre des cl\u00f4tures de Tukey garantit que le filtrage des donn\u00e9es ne sera pas biais\u00e9 par de l\u00e9g\u00e8res variations locales de la variance ou de la kurtose, assurant ainsi une harmonisation parfaite des proc\u00e9dures de contr\u00f4le de qualit\u00e9 des donn\u00e9es.<\/p>\n En statistique des valeurs extr\u00eames, deux pathologies algorithmiques classiques guettent l’analyste non averti : l’effet de masquage (masking<\/em>) et l’effet de d\u00e9bordement (swamping<\/em>). Nous avons vu comment le masquage survient lorsque la pr\u00e9sence d’un agr\u00e9gat d’anomalies distord tellement les param\u00e8tres de dispersion classiques (\u00e9cart-type) que ces anomalies deviennent invisibles au crible statistique. L’effet inverse, le d\u00e9bordement, se manifeste lorsqu’une anomalie extr\u00eamement s\u00e9v\u00e8re gonfle l’\u00e9cart-type au point de d\u00e9clarer aberrantes des observations qui, en r\u00e9alit\u00e9, appartenaient l\u00e9gitimement au corps central de la population.<\/p>\n Les cl\u00f4tures de Tukey offrent une protection math\u00e9matique remarquable contre ces deux \u00e9cueils gr\u00e2ce \u00e0 la stabilit\u00e9 de l’intervalle interquartile :<\/p>\n La puissance d’une m\u00e9thode m\u00e9thodologique d\u00e9pend \u00e9galement de sa capacit\u00e9 \u00e0 \u00eatre comprise, communiqu\u00e9e et accept\u00e9e sans \u00e9quivoque au sein de la communaut\u00e9 scientifique internationale. Les \u00e9quations de Tukey brillent par leur \u00e9l\u00e9gante simplicit\u00e9 alg\u00e9brique : elles ne n\u00e9cessitent aucune formulation int\u00e9grale complexe, aucune it\u00e9ration stochastique exigeante en calcul et aucune transformation d’espace vectoriel obscure. Cette transparence math\u00e9matique rend la d\u00e9marche accessible et explicable \u00e0 des comit\u00e9s de lecture, des \u00e9tudiants ou des praticiens non-statisticiens.<\/p>\n1.2 R\u00f4le des limites dans la d\u00e9tection des valeurs aberrantes<\/h3>\n
1.3 Importance m\u00e9thodologique en recherche psychologique et quantitative<\/h3>\n
2. Les fondements math\u00e9matiques : Quartiles et intervalle interquartile<\/h2>\n
2.1 Compr\u00e9hension des quartiles (Q1, Q2 et Q3)<\/h3>\n
2.2 Calcul et propri\u00e9t\u00e9s de l’\u00e9cart interquartile (IQR)<\/h3>\n
2.3 Sensibilit\u00e9 compar\u00e9e face aux param\u00e8tres gaussiens<\/h3>\n
\n
3. Formulation formelle des cl\u00f4tures de Tukey<\/h2>\n
![\"Upper](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/upper_lower_fence1.png\")
3.1 \u00c9quation math\u00e9matique de la limite inf\u00e9rieure<\/h3>\n
3.2 \u00c9quation math\u00e9matique de la limite sup\u00e9rieure<\/h3>\n
3.3 Justification th\u00e9orique du coefficient multiplicateur 1,5<\/h3>\n
\n
4. D\u00e9monstration pas \u00e0 pas : Exemple complet de calcul sur donn\u00e9es empiriques<\/h2>\n
4.1 Pr\u00e9sentation de la distribution et ordonnancement<\/h3>\n
\n
4.2 D\u00e9termination pas \u00e0 pas de Q1, Q3 et de l’IQR<\/h3>\n
4.3 Calcul arithm\u00e9tique pr\u00e9cis des barri\u00e8res de d\u00e9tection<\/h3>\n
4.4 Interpr\u00e9tation d\u00e9cisionnelle des donn\u00e9es de l’\u00e9chantillon<\/h3>\n
5. Repr\u00e9sentation graphique : Int\u00e9gration dans la bo\u00eete \u00e0 moustaches<\/h2>\n
![\"Upper](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/upper_lower_fence2.png\")
5.1 Anatomie de la bo\u00eete \u00e0 moustaches (Boxplot)<\/h3>\n
5.2 R\u00e8gles de trac\u00e9 des moustaches relatives aux cl\u00f4tures<\/h3>\n
\n
5.3 Diagnostic visuel de l’asym\u00e9trie et de la dispersion<\/h3>\n
6. Cl\u00f4tures internes versus cl\u00f4tures externes : Nuancer les valeurs atypiques<\/h2>\n
6.1 D\u00e9finition et calcul des cl\u00f4tures externes (Outer Fences)<\/h3>\n
6.2 Typologie diff\u00e9rentielle des anomalies : mod\u00e9r\u00e9es versus s\u00e9v\u00e8res<\/h3>\n
\n
6.3 Seuils probabilistes sous hypoth\u00e8se de normalit\u00e9<\/h3>\n
\n
7. Applications empiriques en psychologie et sciences comportementales<\/h2>\n
7.1 Nettoyage des chronom\u00e9tries et temps de r\u00e9action (TR)<\/h3>\n
\n
7.2 D\u00e9tection des biais de r\u00e9ponse aux questionnaires psychom\u00e9triques<\/h3>\n
7.3 \u00c9tudes neuropsychologiques et donn\u00e9es \u00e0 forte variance<\/h3>\n
8. Comparaison critique avec les autres m\u00e9thodes de d\u00e9tection d’anomalies<\/h2>\n
8.1 Limites de Tukey versus m\u00e9thode des scores Z (Z-scores)<\/h3>\n
8.2 Comparaison avec l’\u00e9cart absolu \u00e0 la m\u00e9diane (MAD)<\/h3>\n
8.3 Distinction avec les m\u00e9thodes multivari\u00e9es<\/h3>\n
9. Avantages m\u00e9thodologiques et robustesse des cl\u00f4tures de Tukey<\/h2>\n
9.1 Propri\u00e9t\u00e9s non-param\u00e9triques et absence d’hypoth\u00e8se de distribution<\/h3>\n
9.2 R\u00e9sistance \u00e0 l’effet de masquage et \u00e0 l’effet de d\u00e9bordement<\/h3>\n
\n
9.3 Facilit\u00e9 d’interpr\u00e9tation et standardisation acad\u00e9mique<\/h3>\n